排序算法——快速排序详细解释

快速排序(Quicksort)是一种常用的排序算法,其基本思想是通过分治的策略将一个数组分成两个子数组,然后分别对这两个子数组进行递归排序

一、快速排序算法的大致思路如下:

1、我们在对列表进行排序的过程中,当数组中只有一个列表元素,进行排序最快。即不用排序。

所以我们在对列表进行快速排序的时候,需要检查需要排序的列表是否只包含一个列表元素。若只包含一个列表元素,则直接返回原来的列表即可。

2、当列表中存在多个列表元素的时候,则需要我们对列表内容进行排序。这个排序过程即快速排序算法的核心:函数名(小于参考值的列表元素)+参考值+函数名(大于参考值的列表元素)。

二、解释快速排序算法的核心:

我们需要先随便找一个列表元素作为参考值,然后通过for循环和if语句的结合找到小于参考值的列表元素,并将这些列表元素放置到一个新的列表中保存,命名为less。同理找到大于参考值的列表元素,用一个空的列表进行存储,命名为greater。最后结合递归算法,返回结果为(从小到大排序):将less的内容作为参数再次传入到快速排序算法函数中+参考值+将greater的内容作为参数再次传入到快速排序算法函数中。这样通过层层递归那么最后得到返回的结果就为一个有序的列表内容。

三、代码演示:

从小到大排序效果具体实现代码如下:

复制代码
def quicksort(array): 
    if len(array) < 2: #判断列表中是否只有一个列表元素 
        return array 
    else:
        pivot = array[0]                 
        less = [i for i in array[1:] if i <= pivot] #获取小于参考值的列表元素,并将其保存在列表中   
        greater = [i for i in array[1:] if i > pivot] #获取大于参考值的列表元素,并将其保存在列表中 
        return quicksort(less) + [pivot] + quicksort(greater) #通过递归实现排序功能
print(quicksort([10,5, 2, 5,5,6.54,3]))

从小到大排序效果具体实现代码如下:(只需要将凭借顺序修改即可:函数名(大于参考值的列表元素)+参考值+函数名(小于参考值的列表元素))

复制代码
def quicksort(array): 
    if len(array) < 2: #判断列表中是否只有一个列表元素 
        return array 
    else:
        pivot = array[0]                 
        less = [i for i in array[1:] if i <= pivot] #获取小于参考值的列表元素,并将其保存在列表中   
        greater = [i for i in array[1:] if i > pivot] #获取大于参考值的列表元素,并将其保存在列表中 
        return quicksort(greater) + [pivot] + quicksort(less) #通过递归实现排序功能
print(quicksort([10,5, 2, 5,5,6.54,3]))

四、快速排序算法执行过程(从小到大):

输入数据:10 ,5, 2, 6

代码正常运行,输入列表内容不满足判断语句,继续执行**:参考值:10** 第一次返回结果:5,2,6 ,10,\[\]

quicksort(less)第一次递归:判断语句检测到5,2,6 不满足条件,继续执行: 参考值:5 第二次返回结果:2 5 6

quicksort(less)第二次递归:判断语句检测到2满足条件,返回2

quicksort(greater)第二次递归,判断语句检测到6满足条件,返回6

参考值的左边结束递归后返回结果为:2,5,6

参考值:10

quicksort(greater)第一次递归:判断语句检测\[\]满足条件,返回结果:\[\]

参考值的左边结束递归后返回结果为:\[\]

最后全部递归执行完毕后:将参考值左边列表内容+参考值+参考值右边列表内容,返回得到最后的排序结果:2,5,6,10

相关推荐
专注仿真2 小时前
引擎扩展性与集成设计深度剖析:从 14 个扩展点到 DIS→HLA 演进之路
开发语言·算法·仿真引擎·推演引擎
码爸2 小时前
支持向量机介绍与示例
算法·机器学习·支持向量机
怕浪猫2 小时前
2028编程圈很火的10个Skills
算法·面试·github
Smoothcloud润云3 小时前
PyTorch大模型权重加载与启动耗时优化实战:定位磁盘、内存与显存瓶颈
人工智能·pytorch·python·深度学习·gpu算力
databook3 小时前
从循环到向量化:NumPy提速的7个关键思维
python·数据分析·numpy
棉猴4 小时前
玩游戏学Python1-Python和pgzero库的安装
python·pygame·玩游戏·pgzero·pgzrun
诺伦4 小时前
GEO优化数据实证:78%引用流向官网的机制拆解与小品牌三步管线实战教程 | RiseClaw玄策
python·seo·geo·内容营销·ai搜索
oooost4 小时前
pytorch学习笔记1
python·学习方法
数字融合5 小时前
透明化视频孪生虚实映射一体化融合技术
人工智能·python·数码相机
jack186895 小时前
Lovable.Dev 全栈应用快速落地实战指南
python